علم داده با استفاده از R
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مهارت در برنامهنویسی R: اصولی محکم در برنامهنویسی R برای دستکاری داده، تحلیل، و مصورسازی توسعه دهید.
- مهارتهای تحلیل آماری: متدهای آماری و الگوریتمهای یادگیری ماشینی را برای استخراج بینشهای معنادار از مجموعهداده اعمال کنید.
- تسلط به مصورسازی داده: با استفاده از ggplot2 مصورسازیهای جذابی ایجاد کنید تا یافتهها و روندهای داده را به طور موثر انتقال دهید.
- کاربرد عملی: پروژههای دنیای واقعی را کامل کنید که تواناییهای حل مسئله را افزایش داده و مهارت در مفاهیم علم داده را نشان میدهد.
پیشنیازهای دوره
- برای شرکت در دوره "علم داده با استفاده از R"، شرکتکنندگان باید درک اساسی از مفاهیم برنامهنویسی داشته باشند، زیرا آشنایی با هر زبان برنامهنویسی فرآیند یادگیری را تسهیل خواهد کرد. دانش اصولی آمار نیز مفید است، زیرا به دانشجویان کمک میکند تا تکنیکهای ضروری تحلیل داده را مؤثرتر درک کنند. علاوه بر این، مهارت در سواد رایانهای عمومی و اپلیکیشن های نرمافزاری برای کار با R و ابزارهای مرتبط با آن الزامی است. از همه مهمتر، اشتیاق قوی به یادگیری و کنجکاوی در مورد علم داده برای موفقیت در این دوره حیاتی است. این پیشنیازها تضمین میکنند که همه دانشجویان برای ورود به دنیای هیجانانگیز علم داده به خوبی آمادهاند.
توضیحات دوره
این دوره، "علم داده با R"، برای دانشمندان و تحلیلگران داده مشتاق طراحی شده که به دنبال بهرهگیری از قدرت R برای دستکاری، تحلیل، و مصورسازی داده هستند. شرکتکنندگان با کسب یک اصولی محکم در برنامهنویسی R آغاز خواهند کرد و مفاهیم کلیدی مانند انواع داده، ساختارها و توابع ضروری را پوشش خواهند داد.
با پیشرفت دوره، دانشجویان به تکنیکهای پاکسازی داده با استفاده از بستههایی مانند dplyr و tidyr خواهند پرداخت و این امکان را میدهد که مجموعهداده را برای تحلیل پاکسازی و آماده کنند. برنامه درسی بر تحلیل آماری، شامل آزمون فرضیه، مدلهای رگرسیون، و الگوریتمهای یادگیری ماشینی، تأکید دارد و شرکتکنندگان را قادر میسازد تا بینشهای معناداری از دادههای خود استخراج کنند.
مصورسازی یک تمرکز اصلی است، با آموزش در مورد استفاده از ggplot2 برای ایجاد گرافیکهای آموزنده و جذاب که نتایج را به طور مؤثر منتقل میکنند. مطالعات موردی واقعی و پروژههای عملی تجربه کاربردی را فراهم میکنند و به دانشجویان اجازه میدهند مهارتهای خود را در چالشهای واقعی داده اعمال کنید.
در پایان دوره، شرکتکنندگان یک جعبهابزار جامع برای علم داده از جمله مهارت در R، درک متدولوژیهای آماری، و توانایی ارائه واضح یافتههای خود توسعه خواهند داد. این دوره برای کسانی که به دنبال شروع یک حرفه در علم داده یا بهبود قابلیتهای تحلیلی خود در هر زمینه و محیطی هستند، ایدهآل است.
این دوره برای چه کسانی مناسب است؟
- این دوره برای دانشمندان داده، تحلیلگران، و محققان مشتاق است که به دنبال بهبود مهارتهای برنامهنویسی R خود، کسب بینش از داده، و به کارگیری تکنیکهای تحلیلی در سناریوهای دنیای واقعی هستند.
علم داده با استفاده از R
-
مقدمهای بر R 01:00:25
-
پیادهسازی R، ساختارهای داده R، رابط های R 01:11:09
-
آشنایی با مصورسازی - نمودارهای خطی و میلهای - نمودار دایرهای و هیستوگرام 01:00:04
-
تحلیل پیشبینی مشتری با استفاده از R - رگرسیون خطی با نرمافزار R - بخش 1 55:02
-
تحلیل پیشبینی مشتری با استفاده از R - رگرسیون خطی با نرمافزار R - بخش 2 58:15
-
تابع لجستیک - مدل تکپیشبینیکننده 53:51
-
اثربخشی تبلیغات فروش - کاهش ابعاد با استفاده از نرمافزار R - بخش 1 48:00
-
اثربخشی تبلیغات فروش - کاهش ابعاد با استفاده از نرمافزار R - بخش 2 52:25
-
تقسیمبندی مشتری و بازار - تحلیل خوشهای با استفاده از نرمافزار R - بخش 1 01:02:54
-
تقسیمبندی مشتری و بازار - تحلیل خوشهای با استفاده از نرمافزار R - بخش 2 46:54
-
آشنایی با قانون انجمنی - الگوریتم آ پریوری - قوانین انجمنی چندگانه 56:56
-
آشنایی با بیز ساده - مبانی احتمالی و طبقهبندی احتمالی 01:00:05
-
آشنایی با نزدیکترین همسایه K - الگوریتم نزدیکترین همسایه K 51:57
-
درخت تصمیم چیست؟ - چگونه یک درخت تصمیم ایجاد کنیم؟ 59:54
-
مجموعه درختان تصمیم 01:03:19
-
SVM خطی با استفاده از فراصفحه - فراصفحه غیرخطی با استفاده از ترفند کرنل 48:22
-
تقسیمبندی و تحلیل RFM - مدلسازی تمایل و کاربرد آن 48:22
-
پروژه زمان واقعی - تحلیل وفاداری مشتری و کاربرد آن 01:19:43
-
تحلیل ریسک اعتباری با استفاده از رگرسیون لجستیک 01:04:23
-
دوره کامل 01:00:16
مشخصات آموزش
علم داده با استفاده از R
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متخصص
- تعداد درس:20
- مدت زمان :19:22:16
- حجم :17.31GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy